التعلم متعدد النماذج

التعلم متعدد النماذج (MIL) هو خوارزمية تعلم تحت الإشراف الضعيف حيث يتم تنظيم البيانات التدريبية في أكياس، كل كيس يحتوي على مجموعة من النماذج $X=\{x_1,x_2,\ldots,x_M\}$، ولكل كيس هناك تصنيف واحد $Y \in \{0, 1\}$. يفترض هذا الخوارزمية أن كل نموذج داخل الكيس لديه تصنيفه الخاص $y_1, y_2, \ldots, y_M$، ولكن هذه التصنيفات تكون غير معروفة أثناء عملية التدريب. الفرضية الأساسية للتعلم متعدد النماذج تشير إلى أنه إذا كانت جميع النماذج في الكيس سلبية، فسيكون الكيس سلبيًا؛ وإذا كان هناك نموذج واحد على الأقل إيجابي في الكيس، فسيكون الكيس إيجابيًا. لهذه الخوارزمية مزايا كبيرة في التعامل مع الهياكل البيانات المعقدة، وهي خاصة مفيدة في مجالات مثل تصنيف الصور الطبية.